Αποθήκευση Δεδομένων Ευαγγελία Πιτουρά 1
Δομή ενός ΣΔΒΔ Λογισμικό για τη διαχείριση Σύστημα Διαχείρισης ΒΔ Αρχεία με τις σχέσεις + Κατάλογος του συστήματος + Ευρετήρια Δεδομένα αποθηκευμένα στο δίσκο ΒΔ Ευαγγελία Πιτουρά 2
Αρχεία Τυπικά, Κάθε σχέση (το στιγμιότυπο της) αποθηκεύεται σε ένα αρχείο Η αποθήκευση είναι οριζόντια: κάθε πλειάδα της σχέσης αντιστοιχεί σε μια εγγραφή του αρχείου Δηλαδή, ένα αρχείο είναι μια ακολουθία από πλειάδες Σύγχρονη Τάση: Column stores (κάθετη αποθήκευση ή αποθήκευση ανά στήλη) Ευαγγελία Πιτουρά 3
Κατάλογος Συστήματος Για κάθε σχέση: όνομα, αρχείο, δομή αρχείου (πχ αρχείο σωρού) Όνομα και τύπο για κάθε γνώρισμα Όνομα ευρετηρίου για κάθε ευρετήριο Περιορισμοί ακεραιότητας Για κάθε ευρετήριο: Δομή (πχ B+ δέντρο) και κλειδιά αναζήτησης Για κάθε όψη: Το όνομα και τον ορισμό της Επίσης, στατιστικά, μέγεθος του buffer pool, δικαιώματα προσπέλασης κλπ. Ο κατάλογος αποθηκεύεται επίσης ως σχέση Ευαγγελία Πιτουρά
Κατάλογος Συστήματος Attr_Cat(attr_name, rel_name, type, position) attr_name rel_name type position attr_name Attribute_Cat string 1 rel_name Attribute_Cat string 2 type Attribute_Cat string 3 position Attribute_Cat integer 4 sid Students string 1 name Students string 2 login Students string 3 age Students integer 4 gpa Students real 5 fid Faculty string 1 fname Faculty string 2 sal Faculty real 3 Ευαγγελία Πιτουρά
Δομή ενός ΣΔΒΔ (πιο αναλυτικά) SQL Η (εσωτερική) αρχιτεκτονική ενός ΣΔΒΔ είναι σε επίπεδα Βελτιστοποίηση και Εκτέλεση ερωτήσεων Σχεσιακοί Τελεστές Αρχεία και Μέθοδοι Προσπέλασης ΣΔΒΔ Αρχικά θα δούμε: Αποθήκευση Δομή αρχείων Διαχείριση Καταχωρητών (Buffer) Διαχείριση Δίσκου Στη συνέχεια Τα παραπάνω επίπεδα ΒΔ Ευαγγελία Πιτουρά 6
Ιεραρχία Αποθήκευσης Cache (MB): πιο γρήγορη προσπέλαση λίγα nanoseconds, ακριβή, volatile, τυπικό μέγεθος megabytes. Κύρια μνήμη (GB): σε αυτή αναφερόμαστε όταν μιλάμε για (πολυπλοκότητες, απόδοση) αλγορίθμων, δομών δεδομένων κλπ. Προσπέλαση ~ 100 nanoseconds. Τάξη μεγέθους ~ 10 GB. volatile. Δευτερεύουσα αποθήκευση (TB): nonvolatile, εξωτερική Μέγεθος terabytes με σχετικά μικρό κόστος Τυπική αποθήκευση ΒΔ κατανομή και αντίγραφα (redundancy) προσπέλαση μερικά milliseconds Tertiary storage (PB): backup petabyte Προσπέλαση seconds or minutes. Ευαγγελία Πιτουρά
Ιεραρχία Αποθήκευσης Μικρότερες, Γρηγορότερες Κύρια μνήμη (RAM) για τα δεδομένα σε χρήση Δίσκοι για τη βδ (δευτερεύουσα αποθήκευση) Ταινίες για παλιές εκδοχές δεδομένων (tertiary storage). + δικτυακή αποθήκευση (Cloud) Μεγαλύτερες, Πιο αργές Source: Operating Systems Concepts 5th Edition Ευαγγελία Πιτουρά
Αποθηκευτικές Μονάδες Η βάση δεδομένων θα πρέπει να αποθηκευτεί σε κάποιο αποθηκευτικό μέσο Ιεραρχία αποθήκευσης πρωτεύουσα αποθήκευση (primary storage) κύρια μνήμη (main memory) - κρυφή μνήμη (cache) άμεση προσπέλαση από την κύρια ΚΜΕ (CPU) γρήγορη προσπέλαση περιορισμένη χωρητικότητα αποθήκευσης Ευαγγελία Πιτουρά 9
Αποθηκευτικές Μονάδες Δευτερεύουσα αποθήκευση (μαγνητικοί δίσκοι, ταινίες, δισκέτες, κλπ) για την επεξεργασία των δεδομένων απαιτείται η μεταφορά των δεδομένων στην πρωτεύουσα αποθήκευση πιο αργή προσπέλαση μεγάλη χωρητικότητα μικρότερο κόστος (για την ίδια ποσότητα χώρου η κύρια μνήμη 100 φορές ακριβότερη από τη δευτερεύουσα) Ευαγγελία Πιτουρά 10
Αποθηκευτικές Μονάδες Οι περισσότερες βάσεις δεδομένων αποθηκεύονται σε δευτερεύουσες αποθηκευτικές μονάδες κυρίως σε (μαγνητικούς) δίσκους πολύ μεγάλες (10-100 ΤΒ) μεγάλο κόστος ($1/GB 100$/GB) μόνιμη αποθήκευση (nonvolatile storage) Μαγνητικές ταινίες για τήρηση εφεδρικών αντιγράφων αρχειοθέτηση (archiving) (δεδομένα που θέλουμε να κρατήσουμε για πολύ καιρό αλλά η προσπέλαση τους είναι σπάνια) Ευαγγελία Πιτουρά 11
Μαγνητικοί Δίσκοι Μαγνητισμός μιας περιοχής του δίσκου κατά ορισμένο τρόπο ώστε 1 ή 0 Χωρητικότητα (capacity) σε Kbyte - Mbyte - Gbyte Μαγνητικό υλικό σε σχήμα κυκλικού δίσκου Απλής και διπλής όψης Ευαγγελία Πιτουρά 12
Δίσκοι Σε πακέτα δίσκων Οι πληροφορίες σε ομόκεντρους κύκλους διαφορετικής διαμέτρου: άτρακτοι (track) (συνήθως κάθε άτρακτος την ίδια ποσότητα πληροφορίας) Ομόκεντροι κύκλοι σε διαφορετικές επιφάνειες: κύλινδρος (cylinder) Ευαγγελία Πιτουρά 13
Δίσκοι Block (μονάδα μεταφοράς) Τομέας (sector) Κάθε άτρακτος χωρίζεται σε τόξα που ονομάζονται τομείς (sectors) και είναι χαρακτηριστικό του κάθε δίσκου και δε μπορεί να τροποποιηθεί Το μέγεθος ενός block τίθεται κατά την αρχικοποίηση του δίσκου και είναι κάποιο πολλαπλάσιο του τομέα Ευαγγελία Πιτουρά 14
Δίσκοι κτένι Κεφαλή ανάγνωσης/εγγραφής Άξονας περιστροφής βραχίονας Ευαγγελία Πιτουρά 15
Δίσκοι χρόνος εντοπισμού (seek time) Τοποθέτηση κεφαλής στη σωστή άτρακτο χρόνος περιστροφής (rotational delay ή latency) Ώσπου η αρχή του σωστού block να βρεθεί κάτω από την κεφαλή χρόνος μεταφοράς block (block transfer time) χρόνος μεταφοράς δεδομένων από το δίσκο στη μνήμη Χρόνος προσπέλασης = χρόνος εντοπισμού + χρόνος περιστροφής + χρόνος μεταφοράς Μεταφορά αρκετών γειτονικών block Ευαγγελία Πιτουρά 16
Δίσκοι Παράδειγμα IBM Deskstar 14GPX Seegate Barracuda 7200.9 7200.14 (HDD) Χωρητικότητα: 14.4 GB 80 500 GB 1TB (μέσος) Χρόνος Εντοπισμού: 9.1 msec 11ms <8.5 (R) <9.5 (W) (2.2 για γειτονικά - 15.5 μέγιστο) (μέσος) Χρόνος Περιστροφής: 4.17 msec 4.16ms 5 διπλής όψης κυκλικούς δίσκους - 7,200 περιστροφές το λεπτό 7,200 2/1 Χρόνος Μεταφοράς 13MB ανά sec 300MB ανά sec (max σειριακός) 156 (avg) Χρόνος προσπέλασης από το δίσκο ~ 10 msec (micro 10-6 ) ενώ για θέση μνήμης 60 nanosecond (nano 10-9 ) Ευαγγελία Πιτουρά 17
RAID RAID: πλεονάζουσες συστοιχίες ανεξάρτητων δίσκων Καταμερισμός δεδομένων: τα δεδομένα διαιρούνται σε ισομεγέθη τμήματα (πχ round robin) και κατανέμονται σε πολλούς δίσκους και Πλεονασμός: για αξιοπιστία Ευαγγελία Πιτουρά 18
Μαγνητικές Ταινίες Δίσκοι τυχαίας προσπέλασης (random access) Ταινίες σειριακής προσπέλασης (serial access) για να διαβάσουμε το n-οστό block πρέπει να ξεκινήσουμε από την αρχή και να διαβάσουμε και τα n-1 blocks Ευαγγελία Πιτουρά 19
Flash memory Flash memory (solid state) δευτερεύουσα αποθήκευση Μεγαλύτερη αντοχή από μαγνητικούς δίσκους, πιο ελαφριά, γρηγορότερη προσπέλαση (access time) Δεν έχει χρόνο εντοπισμού και περιστροφής Τρεις λειτουργίες: Read, Write, Erase Πριν γίνει εγγραφή, πρέπει να προηγηθεί Erase Erase και Write πολύ πιο αργά από το Read Ευαγγελία Πιτουρά 20
SSD (Solid State Disks) Μνήμη (κύκλωμα) Δεν έχουν κινητό μηχανικό μέρος Πιο αθόρυβοι, ανθεκτικοί και γρήγοροι Πιο ακριβοί Ευαγγελία Πιτουρά 21
Ιεραρχία Μνήμης Πρωτεύουσα Αποθήκευση KME Cache Κύρια Μνήμη Δευτερεύουσα Αποθήκευση (Μαγνητικός) Δίσκος Αίτηση για δεδομένα Ταινία Δεδομένα που ικανοποιούν την αίτηση Ευαγγελία Πιτουρά 22
Ιεραρχία Αποθήκευσης Ευαγγελία Πιτουρά
Μεταφορά block σε ενδιάμεση μνήμη Για να γίνει η επεξεργασία, τα δεδομένα μεταφέρονται από το δίσκο στη μνήμη Ι/Ο λειτουργία Ενώ γίνεται η μεταφορά των δεδομένων από την δευτερεύουσα στην κύρια μνήμη - παράλληλα και ανεξάρτητα η ΚΜΕ μπορεί να επεξεργάζεται δεδομένα Ένας ανεξάρτητος επεξεργαστής Εισόδου/Εξόδου ή πολλαπλοί επεξεργαστές Ευαγγελία Πιτουρά 24
Μεταφορά block σε ενδιάμεση μνήμη Ο διαχειριστής ενδιάμεσης μνήμης είναι υπεύθυνος για την μεταφορά όταν χρειάζεται σελίδων από το δίσκο στην κύρια μνήμη Διαθέσιμες σελίδες (buffer pool) ονομάζονται και πλαίσια (frame) Αιτήματα για σελίδες από τα υψηλότερα επίπεδα BUFFER POOL disk page free frame MAIN MEMORY DISK DB Επιλογή με βάση μιας πολιτικής αντικατάστασης (replacement policy) Ευαγγελία Πιτουρά
Δομή ενός ΣΔΒΔ SQL ερώτηση ΣΔΒΔ Μηχανή Εκτέλεσης Ερωτήσεων Κλήση συναρτήσεων βιβλιοθήκης που υλοποιούν πράξεις σχεσιακής άλγεβρας Διαχειριστής συναλλαγών Επεξεργαστής Κλειδιών Μέθοδοι Προσπέλασης Αρχείων Διαχειριστής Ενδιάμεσης Μνήμης (Buffer) Διαχειριστής Περιφερειακής Μνήμης Διαχειριστής Ανάκαμψης ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ Σελίδας (page) αντιστοιχεί σε ένα block Ευαγγελία Πιτουρά 26
Βασικά Σημεία 1. Για να γίνει οποιοσδήποτε υπολογισμός, τα δεδομένα πρέπει να βρίσκονται στη μνήμη 2. Η μονάδα μεταφοράς από το δίσκο στη μνήμη είναι ένα block. Ακόμα και αν χρειαζόμαστε ένα μόνο αντικείμενο, πρέπει να μεταφερθεί ολόκληρο το block του. Το διάβασμα ή γράψιμο ενός block ονομάζεται λειτουργία Εισόδου/Εξόδου (Input/Output I/O). 3. Ο χρόνος προσπέλασης (εγγραφής ή ανάγνωσης) ενός block διαφέρει και εξαρτάται από τη θέση του block χρόνος προσπέλασης = χρόνος εντοπισμού + χρόνου περιστροφής + χρόνος μεταφοράς Ευαγγελία Πιτουρά 27
Οργάνωση Αρχείων Ευαγγελία Πιτουρά 28
Αρχεία Δεδομένων Τα δεδομένα συνήθως αποθηκεύονται σε αρχεία στο δίσκο Για να επεξεργαστούμε τα δεδομένα θα πρέπει αυτά να βρίσκονται στη μνήμη. Η μεταφορά δεδομένων από το δίσκο στη μνήμη και από τη μνήμη στο δίσκο γίνεται σε μονάδες blocks Το διάβασμα ή γράψιμο ενός block ονομάζεται λειτουργία Εισόδου/Εξόδου (Input/Output I/O) Βασικός στόχος η ελαχιστοποίηση της επικοινωνίας με το δίσκο: ελαχιστοποίηση του αριθμού των blocks που μεταφέρονται μεταξύ της πρωτεύουσας (κύριας μνήμης, cache ενδιάμεση μνήμη buffersκαταχωρητές) και της δευτερεύουσας αποθήκευσης (δίσκος) Ευαγγελία Πιτουρά 29
Αρχεία Τα δεδομένα συνήθως αποθηκεύονται με τη μορφή εγγραφών Οι εγγραφές συνήθως περιγράφουν οντότητες (σχέσεις) και τα γνωρίσματά τους Ένα αρχείο είναι λογικά οργανωμένο σε μια ακολουθία από εγγραφές που μπορεί να βρίσκονται αποθηκευμένες σε πολλές σελίδες (pages) θα θεωρούμε page = block Μπορούμε να βλέπουμε μια σελίδα ως μια συλλογή «θέσεων» που κάθε μία περιέχει μια εγγραφή Μια εγγραφή προσδιορίζεται από τη χρήση του ζεύγους (page id, slot number) Ευαγγελία Πιτουρά 30
Εγγραφές Πως οργανώνονται τα πεδία μέσα σε μία εγγραφή; Εγγραφές σταθερού και μεταβλητού μήκους type film = record branch-name: char(22); account-number: char(20); balance:real; end Έστω κάθε char 1 byte - real 8 bytes Κάθε εγγραφή 50 bytes branch-name account-number balance branch-name account-number balance Ευαγγελία Πιτουρά 31
Εγγραφές Γιατί είναι προτιμότερες οι εγγραφές σταθερού μήκους: εύκολος ο εντοπισμός ενός πεδίου και η διατήρηση πληροφορίας για «άδειες» θέσεις Ευαγγελία Πιτουρά 32
Εγγραφές Πως προκύπτουν οι εγγραφές μεταβλητού τύπου; Στο σχεσιακό μοντέλο κάθε εγγραφή (πλειάδα) μιας σχέσης περιέχει το ίδιο πλήθος πεδίων (αριθμό γνωρισμάτων). Εγγραφές του ίδιου τύπου αλλά έχουν ένα ή περισσότερα πεδία μεταβλητού μεγέθους Ανάμεικτο (mixed) αρχείο: εγγραφές διαφορετικού τύπου Ευαγγελία Πιτουρά 33
Εγγραφές Αποθήκευση των πεδίων συνεχόμενα, χωρισμένα με διαχωριστές (ειδικούς χαρακτήρες που δεν εμφανίζονται ως δεδομένα) F1 F2 F3 F4 $ $ $ $ Ευαγγελία Πιτουρά 34
Εγγραφές Χώρο στην αρχή κάθε εγγραφής πίνακας ακεραίων Ι[j] όπου j η μετατόπιση (offset) της j-οστής εγγραφής (κρατά την αρχή του j-οστού πεδίου) + τη μετατόπιση του τέλους της εγγραφής απευθείας πρόσβαση σε οποιαδήποτε πεδίο καλό χειρισμό της τιμής null F1 F2 F3 F4 Ευαγγελία Πιτουρά 35
Εγγραφές Ως εγγραφές σταθερού μήκους, θεωρώντας το μέγιστο μέγεθος για κάθε εγγραφή Ευαγγελία Πιτουρά 36
Παράγοντας Ομαδοποίησης (blocking factor) Η μονάδα μεταφοράς μεταξύ δίσκου και μνήμης είναι ένα block δίσκου Έστω εγγραφές σταθερού μήκους R μέγεθος block B Όταν Β R περισσότερες από μια εγγραφή ανά block Παράγοντας ομαδοποίησης (blocking factor), όταν Β R bfr = (B / R), όπου Β μέγεθος block σε byte και R μέγεθος εγγραφής σε bytes Δηλαδή, πόσες «ολόκληρες» εγγραφές χωρούν σε ένα block Ευαγγελία Πιτουρά 37
Εκτεινόμενη (spanned) Καταχώρηση Μη εκτεινόμενη (unspanned) οργάνωση: οι εγγραφές δεν επιτρέπεται να διασχίζουν τα όρια ενός block Αχρησιμοποίητος χώρος: Β - bfr * R bytes ανά block Πιο εύκολη η προσπέλαση Εκτεινόμενη (spanned) οργάνωση: αποθήκευση μέρους μιας εγγραφής σε ένα block και το υπόλοιπο σε ένα άλλο block - δείκτης στο τέλος του πρώτου τμήματος δείχνει στο block που περιέχει το υπόλοιπο Ευαγγελία Πιτουρά 38
Μη Εκτεινόμενη Καταχώρηση b: Αριθμός blocks για την (μη εκτεινόμενη) αποθήκευση ενός αρχείου r εγγραφών: b = (r/bfr) Ευαγγελία Πιτουρά 39
Αποθήκευση Δεδομένων Έστω μία σχέση R(A, B, C, D, E), τα γνωρίσματα Α, Β, D και E είναι τύπου ακέραιοι μεγέθους 16 bytes και το γνώρισμα C σειρά χαρακτήρων μεγέθους 36 bytes. Έστω αρχείο με r A = 30.000 εγγραφές, μέγεθος block B = 1024 bytes, και μη εκτεινόμενη καταχώρηση. Μέγεθος αρχείου δεδομένων: 3.000 blocks Ευαγγελία Πιτουρά 40
Τοποθέτηση Αρχείου στο Δίσκο συνεχόμενη τοποθέτηση (contiguous allocation) τα block του αρχείου τοποθετούνται σε διαδοχικά blocks του δίσκου συνδεδεμένη τοποθέτηση (linked allocation) κάθε block του αρχείου περιλαμβάνει ένα δείκτη προς το επόμενο block του αρχείου Εύκολη επέκταση - πιο αργή ανάγνωση όλου του αρχείου συστάδες διαδοχικών blocks δίσκου: τμήματα (segments) ή επεκτάματα (extents) ευρετηριοποιημένη τοποθέτηση (indexed allocation) Ευαγγελία Πιτουρά 41
Επικεφαλίδα Αρχείου Μια επικεφαλίδα ή περιγραφέας αρχείου (file header ή file descriptor) περιέχει πληροφορίες σχετικά με ένα αρχείο που είναι απαραίτητες στα προγράμματα που προσπελαύνουν τις εγγραφές του αρχείου Πληροφορίες για προσδιορισμό διεύθυνσης των blocks αρχείου στο δίσκο + περιγραφές μορφοποίησης εγγραφών Αποθηκεύεται στο αρχείο θεωρούμε ότι «ξέρουμε» σε ποιο block είναι αποθηκευμένη η i-οστή σελίδα (block) του αρχείου Ευαγγελία Πιτουρά 42
Αρχεία στο Δίσκο Data Page Data Page Data Page Full Pages Header Page Data Page Data Page Data Page Pages with Free Space Ευαγγελία Πιτουρά
Αρχεία Header Page Data Page 1 Data Page 2 DIRECTORY Data Page N Ευαγγελία Πιτουρά
Οργάνωση Εγγραφών Αρχείου Θα συζητήσουμε πως πρέπει να οργανώσουμε τις εγγραφές σε ένα αρχείο για αποδοτική επεξεργασία ερωτήσεων Βασικές λειτουργίες: Εισαγωγή/διαγραφή/τροποποίηση εγγραφής Εντοπισμός (αναζήτηση) μια συγκεκριμένης εγγραφής με βάση συνθήκη ισότητας ή διαστήματος τιμών Διάσχιση (scan) όλων των εγγραφών του αρχείου Ευαγγελία Πιτουρά
Οργάνωση Αρχείων Βασικός στόχος η ελαχιστοποίηση του αριθμού των blocks που μεταφέρονται Θεωρούμε ότι η πληροφορία για τη θέση στο δίσκο ενός block υπάρχει (π.χ., στην επικεφαλίδα του αρχείου) Σε πραγματικά συστήματα Ίσως και άλλοι τύποι κόστους (πχ κόστος CPU) Πρόσβαση κατά block (διάβασμα γειτονικών block με μια μόνο αίτηση I/O: αναζήτηση 1 ου block + μεταφορά όλων των επόμενων) Ευαγγελία Πιτουρά 46
Οργάνωση Αρχείων Οργάνωση αρχείων: πως είναι τοποθετημένες οι εγγραφές ενός αρχείου όταν αποθηκεύονται στο δίσκο 1. Αρχεία Σωρού 2. Διατεταγμένα Αρχεία Φυσική διάταξη των εγγραφών ενός αρχείου με βάση την τιμή ενός από τα πεδία του το οποίο λέγεται πεδίο διάταξης (ordering field) Ευαγγελία Πιτουρά 48
Αρχεία Σωρού (Heap Files) Αρχείο Σωρού (heap file ή pile file): Οι εγγραφές τοποθετούνται στο αρχείο με τη σειρά που εισάγονται Μη διατεταγμένο αρχείο 1. Εισαγωγή 2 * Τ D + Τ C 2. Αναζήτηση (μέσος χρόνος) 0.5 * B * (Τ D + R * Τ C ) Β #blocks R #εγγραφών ανά block Τ D χρόνος μεταφοράς block Τ C χρόνος επεξεργασίας ανά εγγραφή Ευαγγελία Πιτουρά 49
Αρχεία Σωρού (Heap Files) 3. Διαγραφή εγγραφής Σημάδι διαγραφής Περιοδική αναδιοργάνωση Χρόνος Αναζήτησης + (Τ C + Τ D ) Ευαγγελία Πιτουρά 50
Αρχεία Σωρού (Heap Files) 4. Τροποποίηση εγγραφής - εγγραφή μεταβλητού μήκους 5. Σάρωση (scan) Ανάγνωση όλων των εγγραφών B*(Τ D + R*Τ C ) 6. Ανάγνωση όλων των εγγραφών σε διάταξη Εξωτερική ταξινόμηση συνήθως μια παραλλαγή της ταξινόμησης με συγχώνευση Ευαγγελία Πιτουρά 51
Διατεταγμένο Αρχείο Ταξινομημένα/Διατεταγμένα Αρχεία Φυσική διάταξη των εγγραφών ενός αρχείου με βάση την τιμή ενός από τα πεδία του το οποίο λέγεται πεδίο διάταξης (ordering field) Διατεταγμένο ή φυσικό αρχείο Αν το πεδίο διάταξης είναι και κλειδί τότε λέγεται και κλειδί διάταξης Ευαγγελία Πιτουρά 52
Διατεταγμένο Αρχείο 1. Εισαγωγή i. Εύρεση της σωστής θέσης της εγγραφής στο αρχείο ii. Μετακίνηση εγγραφών για να κάνουμε χώρο για την εισαγωγή της Κατά μέσο όρο μετακίνηση των μισών εγγραφών Χρόνος αναζήτησης + 2 * (0.5 * Β *(Τ D + R*Τ C )) Β #blocks R #εγγραφών ανά block Τ D χρόνος μεταφοράς block Τ C χρόνος επεξεργασίας ανά εγγραφή Ευαγγελία Πιτουρά 53
Διατεταγμένο Αρχείο 1. Εισαγωγή (συνέχεια) Διατήρηση κάποιου αχρησιμοποίητου χώρου ανά block Δημιουργία ενός προσωρινού μη διατεταγμένου αρχείου (αρχείο υπερχείλισης) + κυρίως αρχείο Ευαγγελία Πιτουρά 54
Διατεταγμένο Αρχείο 2. Αναζήτηση εγγραφής (με επιλογή ισότητας) αποδοτική αν η συνθήκη αναζήτησης είναι στο πεδίο ταξινόμησης Έστω Β blocks, αναζήτηση της εγγραφής με τιμή K στο πεδίο διάταξης Σημείωση: Υποθέτουμε ότι οι διευθύνσεις των blocks του αρχείου είναι αποθηκευμένες στην επικεφαλίδα του αρχείου Ευαγγελία Πιτουρά 55
Διατεταγμένο Αρχείο 2. Αναζήτηση εγγραφής (συνέχεια) lower := 1; upper := Β; while (upper lower) i := (lower + upper) div 2; read block i if (K < τιμής διάταξης της πρώτης εγγραφής) upper := i - 1; else if (K > τιμής διάταξης της τελευταίας εγγραφής) else... lower := i + 1; Χρόνος: log B * (Τ D + log R * Τ C ) Β #blocks R #εγγραφών ανά block Τ D χρόνος μεταφοράς block Τ C χρόνος επεξεργασίας ανά εγγραφή Συνθήκη πχ., <=?? Ευαγγελία Πιτουρά 56
Διατεταγμένο Αρχείο 3. Διαγραφή εγγραφής Μετακίνηση εγγραφών Χρήση σημαδιού διαγραφής 4. Τροποποίηση εγγραφής Ευαγγελία Πιτουρά 57
Διατεταγμένο Αρχείο 5. Ανάγνωση όλων των εγγραφών σε διάταξη Ευαγγελία Πιτουρά 58
Αρχεία Κατακερματισμού Βασική ιδέα: η τοποθέτηση των εγγραφών στα blocks του αρχείου γίνεται εφαρμόζοντας μια συνάρτηση κατακερματισμού σε κάποιο από τα πεδία της Ευαγγελία Πιτουρά 59
Εσωτερικός Κατακερματισμός Εσωτερικός Κατακερματισμός (τα δεδομένα είναι στη μνήμη, όπως στις δομές δεδομένων) Πίνακας κατακερματισμού με Μ θέσεις - κάδους (buckets) h: συνάρτηση κατακερματισμού h(k) = i Σε ποιο κάδο - τιμή από 0 έως Μ-1 Πεδίο αναζήτησης - Πεδίο κατακερματισμού Ευαγγελία Πιτουρά 60
Αρχεία Κατακερματισμού Εξωτερικός Κατακερματισμός (εφαρμογή σε δεδομένα αποθηκευμένα σε αρχεία) Στόχος h(k) = i Τιμή του πεδίου κατακερματισμού Διεύθυνση (αριθμός) block του αρχείου που είναι αποθηκευμένη Η εγγραφή με τιμή στο πεδίο κατακερματισμού k αποθηκεύεται στο i-οστο block (κάδο) του αρχείου Ευαγγελία Πιτουρά 61
Κατακερματισμός h: συνάρτηση κατακερματισμού (Στόχος) Ομοιόμορφη κατανομή των κλειδιών στους κάδους (blocks) Συνηθισμένη συνάρτηση κατακερματισμού: h(k) = k mod M Συχνά M πρώτος Ευαγγελία Πιτουρά 62
Κατακερματισμός Σύγκρουση (collision): όταν μια νέα εγγραφή κατακερματίζεται σε μία ήδη γεμάτη θέση Καλή συνάρτηση κατακερματισμού: κατανέμει τις εγγραφές ομοιόμορφα στο χώρο των διευθύνσεων (ελαχιστοποίηση συγκρούσεων και λίγες αχρησιμοποίητες θέσεις) Ευριστικοί: -- αν r εγγραφές, πρέπει να επιλέξουμε το Μ ώστε το r/m να είναι μεταξύ του 0.7 και 0.9 -- όταν χρησιμοποιείται η mod τότε είναι καλύτερα το Μ να είναι πρώτος Ευαγγελία Πιτουρά 63
Κατακερματισμός Επίλυση Συγκρούσεων 1. Ανοιχτή Διευθυνσιοδότηση (open addressing): χρησιμοποίησε την επόμενη κενή θέση 2. Αλυσιδωτή Σύνδεση (chaining): για κάθε θέση μια συνδεδεμένη λίστα με εγγραφές υπερχείλισης 3. Πολλαπλός Κατακερματισμός (multiple hashing): εφαρμογή μιας δεύτερης συνάρτησης κατακερματισμού Ευαγγελία Πιτουρά 64
Εξωτερικός Κατακερματισμός Κάδος: μια συστάδα από συνεχόμενα blocks του αρχείου h(k) = i Σχετική διεύθυνση του κάδου (ποιος κάδος του αρχείου) Τιμή του πεδίου κατακερματισμού Ο κατακερματισμός είναι πολύ αποδοτικός για επιλογές (αναζητήσεις) ισότητας Ευαγγελία Πιτουρά 65
Εξωτερικός Κατακερματισμός Ένας πίνακας που αποθηκεύεται στην επικεφαλίδα του αρχείου μετατρέπει τον αριθμό κάδου στην αντίστοιχη διεύθυνση block 0 διεύθυνση 1ου block του κάδου στο δίσκο 1 διεύθυνση 1ου block του κάδου στο δίσκο 2 διεύθυνση 1ου block του κάδου στο δίσκο... Μ-1 διεύθυνση 1ου block του κάδου στο δίσκο Ευαγγελία Πιτουρά 66
Εξωτερικός Κατακερματισμός Συγκρούσεις - αλυσιδωτή σύνδεση - εγγραφές υπερχείλισης ανά κάδο 1. Ανάγνωση όλου του αρχείου (scan) Έστω ότι διατηρούμε κάθε κάδο γεμάτο κατά 80% άρα ένα αρχείο με μέγεθος Β blocks χρειάζεται 1.25 Β blocks 2. Αναζήτηση 1.25 * Β * (Τ D + R * Τ C ) Συνθήκη ισότητας και μόνο ένα block ανά κάδο: Τ D + R * C Αν συνθήκη περιοχής (διαστήματος): scan! Ευαγγελία Πιτουρά 67
Περίληψη Κόστος: μεταφορά blocks (I/O) Σωρός Ταξινομημένο Κατακερματισμένο Ανάγνωση του αρχείου Β B 1.25B Αναζήτηση με συνθήκη ισότητας 0.5 B logb 1 Αναζήτηση με συνθήκη περιοχής B logb + ταιριάσματα 1.25 Β Εισαγωγή 2 αναζήτηση + B 2 Διαγραφή αναζήτηση + 1 αναζήτηση + Β αναζήτηση + 1 Στη συνέχεια θα δούμε ευρετήρια! Ευαγγελία Πιτουρά 68
Ερωτήσεις; Ευαγγελία Πιτουρά 69